理解网络口碑动态的一种新方法：多维序列典型协方差分析

摘要

在当今的经济环境中，几乎所有产品和服务都会在社交媒体上产生网络口碑。但是，至少有三个挑战阻碍了网络口碑的分析。首先，网络口碑通常是各种形式的非结构化数据，例如文字、图片和视频。但是，将非结构化数据转化成结构化数据的过程可能会生成大量变量，从而增加了对降维的需求。其次，网络口碑可以是连续的或突发的。网络口碑的数量和极性在事件发生前后的短时间内可能会发生巨大变化。第三，重要事件可能会在竞争对手的产品或服务的网络口碑中触发对称或不对称的反应。为此，我们引入了一种新方法——多维序列典型协方差分析来解决这些方法上的挑战。这种新方法可以分析高维度的网络口碑数据，检测网络口碑动态趋势并检查其在多个公司中的并行影响。同时我们设计的算法还提供了更高的计算效率，因此可以称为更高级的manifold优化方法。我们通过一个实证案例（2017年美联航3411事件）说明了这种新方法的优势。我们发现，在2017年4月和2017年5月，所有航空公司之间共享的网络口碑显着增加。联合航空公司及其竞争对手都经历了负面情绪的突然增加和积极情绪的突然减少，这很可能是由于事件造成的，但变化的幅度是对于联合航空公司而言更强烈。这种新方法为网络口碑动态研究提供了新颖的见解，并且可以为广泛的领域做出贡献。